Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial
Ilustraciones, fotografías, tablas
- Autores:
-
Bastidas Marín, John Edison
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/80440
- Palabra clave:
- 630 - Agricultura y tecnologías relacionadas::636 - Producción animal
Emisión de contaminantes
Pollutant emission
condiciones ambientales
inteligencia artificial
redes neuronales artificiales
deyecciones
amoniaco
condiciones ambientales
industria avícola
droppings
ammonia
environmental conditions
poultry industry
artificial intelligence
artificial neural network
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| id |
UNACIONAL2_af259f40139d9f4e81839f96707b5243 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/80440 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| dc.title.translated.eng.fl_str_mv |
Estimation of ammonia emissions in poultry sheds, using an artificial neuronal model |
| title |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| spellingShingle |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial 630 - Agricultura y tecnologías relacionadas::636 - Producción animal Emisión de contaminantes Pollutant emission condiciones ambientales inteligencia artificial redes neuronales artificiales deyecciones amoniaco condiciones ambientales industria avícola droppings ammonia environmental conditions poultry industry artificial intelligence artificial neural network |
| title_short |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| title_full |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| title_fullStr |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| title_full_unstemmed |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| title_sort |
Estimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificial |
| dc.creator.fl_str_mv |
Bastidas Marín, John Edison |
| dc.contributor.advisor.none.fl_str_mv |
González Salcedo, Luis Octavio Malagón Manrique, Ricardo |
| dc.contributor.author.none.fl_str_mv |
Bastidas Marín, John Edison |
| dc.subject.ddc.spa.fl_str_mv |
630 - Agricultura y tecnologías relacionadas::636 - Producción animal |
| topic |
630 - Agricultura y tecnologías relacionadas::636 - Producción animal Emisión de contaminantes Pollutant emission condiciones ambientales inteligencia artificial redes neuronales artificiales deyecciones amoniaco condiciones ambientales industria avícola droppings ammonia environmental conditions poultry industry artificial intelligence artificial neural network |
| dc.subject.agrovoc.none.fl_str_mv |
Emisión de contaminantes Pollutant emission |
| dc.subject.proposal.spa.fl_str_mv |
condiciones ambientales inteligencia artificial redes neuronales artificiales deyecciones amoniaco condiciones ambientales industria avícola |
| dc.subject.proposal.eng.fl_str_mv |
droppings ammonia environmental conditions poultry industry artificial intelligence artificial neural network |
| description |
Ilustraciones, fotografías, tablas |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020-10-06 |
| dc.date.accessioned.none.fl_str_mv |
2021-10-08T13:40:11Z |
| dc.date.available.none.fl_str_mv |
2021-10-08T13:40:11Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Dataset Model Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/80440 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/80440 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Aarnink, A. J. A., & Verstegen, M. W. A. (2007). Nutrition, key factor to reduce environmental load from pig production. Livestock Science, 109(1-3), 194-203p. https://doi.org/10.1016/j.livsci.2007.01.112 Abyaneh, H. (2014). Evaluation of multivariate li-near regression and artificial neural networks in prediction of water quality parameters. Journal of Environmental Health Science & Enginee-ring, 12(40), 1-8p. https://doi.org/10.1186/2052-336X-12-40 Álava, F. J. (2015). Climatización de los galpones de la avícola inés maría. Trabajo final para la obtención del título: Ing. Mecánico Espol. fimcp, Guayaquil. http://www.dspace.espol.edu.ec/xmlui/handle/123456789/37045 Alberdi, O., Arriaga, H., Calvet, S., Estellés, F., & Merino, P. (2016). Ammonia and greenhouse gas emissions from an enriched cage laying hen facility. Biosystems Engineering, 144, 1-12p. https://doi.org/10.1016/j.biosystemseng.2016.01.009 Albino, L.F.T., Carvalho B.D, Maia R, Barros, V. (2014). Galinhas Poedeiras Criação e Alimentação. Aprenda Fácil, 376p. Álvarez, L., Combellas, J., y Álvarez, R. (2005). Revisión Uso de excretas de aves en la alimentación de ovinos. Zootecnia Tropical, 23(2), 183-210. Recuperado en 21 de mayo de 2021, de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-72692005000200007&lng=es&tlng=es. Andrade, A., y Arilio, O. (2017). Estudio de impacto ambiental para una granja de engorde en el municipio de Fusagasugá (Tesis de licenciatura, Universidad Militar Nueva Granada). http://hdl.handle.net/10654/16439p. Aranda, J. I. (2018). Aguas residuales provenientes de la industria avícola en Colombia: una revisión bibliográfica. Villavicencio-Colombia: Universidad de los Llanos. 1-9p. 10.13140/RG.2.2.14655.00168 Arrieta, O. A. (2013). Emisión de gases de efecto invernadero y amoniaco en una explotación de gallinas ponedoras en bizkaia. uztaila: Universidad Pública de Navarra. 1-63p. https://hdl.handle.net/2454/7669 Asanza, W. R., Olivo, B, M. (2018). Redes neuronales artificiales aplicadas al reconocimiento de patrones. Machala. Universidad Técnica de Machala. http://repositorio.utmachala.edu.ec/handle/48000/12499 Barrera, J. A. T. Redes Neuronales. Universidad de Guadalajara. Recuperada el 15 de octubre de: http://www. cucei. udg. mx/sites/default/files/pdf/toral_barrera_jamie_areli. Pdf Bertona, L. F., Britos, P., García, M. R. (2005). Entrenamiento de redes neuronales basado en algoritmos evolutivos. (Tesis de grado en ingeniería informática). Buenos Aires, Argentina: Universidad de Buenos Aires. Facultad de ingeniería, 253p. BOE (2010). Real Decreto 692/2010 de 20 de Mayo, por el que se establecen las normas mínimas para la protección de los pollos destinados a la producción de carne. BOE, 135, 47986-47995. Bohórquez, V. D. (2014). Perspectiva de la producción avícola en Colombia. Recuperado de: http://hdl.handle.net/10654/12149 Boniecki, P., Dach, J., Pilarski, K., & Piekarska, B. H. (2012). Artificial neural networks for modeling ammonia emissions released from sewage sludge composting. Atmospheric Environment, 57, 49-54p. https://doi.org/10.1016/j.atmosenv.2012.04.036 Botermans, J. G., Gustafsson, K. H., Jeppsson, N., Brown., and Rodhe, L. (2010). Measures to reduce ammonia emissions in pig production. Faculty of Landscape Planning, Horticulture and Agricultural Science. Landskap Trädgård Jordbruk: Rapportserie (1654), 63. http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-5-141p Brodny, J., & Tutak, M. (2020). The Use of Artificial Neural Networks to Analyze Greenhouse Gas and Air Pollutant Emissions from the Mining and Quarrying Sector in the European Union. Energies, MDPI, Open Access Journal, 13(8), 1-31p. Calvet, S., Cambra-López, M., Estellés, F., and Torres, A. G. (2011). Characterization of gas emissions from a Mediterranean broiler farm. Poultry Science (90): 534-542. https://doi.org/10.3382/ps.2010-01037 Campos, F., Tinôco, I. F., Silva, J., Baptista, F. D., Souza, C. F., & Silva, A. L. (2017). Gas emission in the poultry production. Journal of Animal Behaviour and Biometeorology, 5(2), 49-55p. https://doi.org/10.31893/2318-1265jabb.v5n2p49-55 Castro, C. M. (2018). Manejo da cama aviária e impactos na produção avícola. Anais do 19º Simpósio Brasil Sul de Avicultura e 10º Brasil Sul Poultry Fair, 11-21p. Cedeño, K., & Vergara, C. (2017). Manejo de cortinas para mejorar el bienestar animal y parámetros productivos en pollos cobb 500 (Tesis doctoral). Médico Veterinario. Carrera Pecuaria. ESPAM MFL. Calceta. Manabí. EC. 69p). Chepete, J. H., Xin, H., & Li, H. (2011). Ammonia emissions of laying-hen manure as affected by accumulation time. The journal of poultry science, 48(2), 133-138p. https://doi.org/10.2141/jpsa.010087 Cohuo-Colli, J. M., Salinas-Ruíz, J., Hernández-Cázares, A. S., Hidalgo-Contreras, J. V., Brito-Damián, V. H., & Velasco-Velasco, J. (2018). Effect of litter density and foot health program on ammonia emissions in broiler chickens. Journal of Applied Poultry Research, 27(2), 198-205p. https://doi.org/10.3382/japr/pfx058 Cordeiro, M. B., Tinôco, I. F., Silva, J. N., Vigoderis, R. B., Pinto, F. A. C., & Cecon, P. R. (2010). Conforto térmico e desempenho de pintos de corte submetidos a diferentes sistemas de aquecimento no período de inverno. Revista Brasileira de Zootecnia, v.39, 217-224p. http://dx.doi.org/10.1590/S1516-35982010000100029 Córdoba, C. D. (2017). Herramientas para la enseñanza de sistemas inteligentes utilizando plataformas de hardware libre. Cali: Universidad Autónoma de Occidente - Facultad de Ingeniería. Cortina Januchs, María Guadalupe (2012). Aplicación de técnicas de inteligencia artificial a la predicción de contaminantes atmosféricos. Universidad Politécnica de Madrid, España. (Tesis doctoral), E.T.S.I. Telecomunicación (UPM), 210. http://oa.upm.es/11206/ Coufal, C. D., Chavez, C., Niemeyer, P. R., & Carey, J. B. (2006). Measurement of broiler litter production rates and nutrient content using recycled litter. Poultry Science, 85(3), 398-403p. https://doi.org/10.1093/ps/85.3.398 DANE. (2019). Estadisticas. Recuperado el 15 de octubre de: http://www.fenavi.org/index.php?option=com_content&view=article&id=2167&Itemid= 11 72#magictabs_erpdb_3 Dekker, S. E. M., Aarnink, A. J. A., De Boer, I. J. M., & Koerkamp, P. G. (2011). Emissions of ammonia, nitrous oxide, and methane from aviaries with organic laying hen husbandry. Biosystems Engineering, 110(2), 123-133p. Delgado, A. M. D. M., Miralles I. H. R., Alonso P. F., Rodríguez A. C., Martín Sánchez, J. V. (2014). Concentración de metales pesados en suelos, plantas, lombrices y lixiviados provenientes de gallinaza aplicada a suelos agrícolas. Revista internacional de contaminación ambiental, 30(1), 43-50p. Disponible en: <https://www.revistascca.unam.mx/rica/index.php/rica/article/view/33803>. Fecha de acceso: 21 may 2021. Saavedra D. P. (2017).Estudio de la utilización del potencial de información cruzado en el aprendizaje con ensamble de redes neuronales. Disponible en http://repositorio.uchile.cl/handle/2250/150340 Ecetoc, (1994). Ammonia emissions to air in Western Europe. Technical report No. 62. European Centre for Ecotoxicology and Toxicology of Chemicals. Brussels, Belgium, 196p. Elwinger, K., & Svensson, L. (1996). Effect of dietary protein content, litter and drinker type on ammonia emission from broiler houses. Journal of Agricultural Engineering Research, 64(3), 197-208p. https://doi.org/10.1006/jaer.1996.0061 Fabbri, C., Valli, L., Guarino, M., Costa, A., & Mazzotta, V. (2007). Ammonia, methane, nitrous oxide and particulate matter emissions from two different buildings for laying hens. Biosystems Engineering, 97(4), 441-455. https://doi.org/10.1016/j.biosystemseng.2007.03.036 FAO. 2020 Food Outlook - Biannual Report on Global Food Markets: June 2020. Food Outlook. Rome. 44-50p. https://doi.org/10.4060/ca9509en Federación Nacional de Avicultores de Colombia, FENAVI (2018). Manual de buenas prácticas disponibles para la mitigación de olores en la industria avícola. Colombia: Fondo Nacional Avícola. Recuperado en octubre 1 de 2020, de: https://fenavi.org/wp-content/uploads/2018/05/Cartilla_Digital_PRIO_FINAL.pdf Federación Nacional de Avicultores de Colombia, FENAVI (2020). Avicultores. Federación Nacional de Avicultores de Colombia – Fenavi- Nº. 302 / febrero 15 de 2020. ISSN 0121 –1358. Recuperado en octubre 1 de 2020, de: https://fenavi.org/wp-content/uploads/2020/02/Fenaviquin_ed3022019.pdf Cervantes, O. R., Arteaga, R. R., Vázquez P. M., Ojeda B. W., Quevedo N. A. (2013). Modelos Hargreaves Priestley-Taylor y redes neuronales artificiales en la estimación de la evapotranspiración de referencia. Ingeniería, investigación y tecnología, 14(2), 163-176p. Recuperado en 21 de mayo de 2021, de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-77432013000200003&lng=es&tlng=es. García, J. B. (2017). Optimización de la Utilización de Catalizadores Orgánicos Biológicos en el Tratamiento de Aguas Residuales de la Industria Avícola usando Redes Neuronales Artificiales. Palmira: Universidad Nacional de Colombia. Garzón, D. F. (2005). Aplicación de Redes Neuronales MLP a la predicción de un paso en series de tiempo. Bogotá: Fundación Universitaria Konrad Lorenz. Ghaly, A. E., & Alhattab, M. K. (2013). Drying poultry manure for pollution potential reduction and production of organic fertilizer. American Journal of Environmental Sciences, 9(2), 88-102p. Recuperado de https://doi.org/10.3844/ajessp.2013.88.102. Golbabaei F, Islami F (2000) Evaluation of workers’ exposure to dust, ammonia and endotoxin in poultry industries at the province of Isfahan, Iran. Ind Health 38, 41–46p. https://doi.org/10.2486/indhealth.38.41 González-Salcedo, L. O., & García-Nuñez, J. B. (2019). Elaboración de un modelo neuronal artificial para la estimación de turbiedad y proposición de dosificaciones en el tratamiento de aguas residuales de la industria avícola. Informador Técnico, 84(1), 3-17p. https://doi.org/10.23850/22565035.1636 Gulyani, B. B., Mangai, J. A., & Fathima, A. (2015). An Approach for Predicting River Water Quali-ty Using Data Mining Technique. Lecture No-tes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lec-ture Notes in Bioinformatics), 9165, 233-243p. https://doi.org/10.1007/978-3-319-20910-4_17 Guo, Y., Yang, L., Liu, C., Ye, R., & Duan, Q. (2020). Prediction of stench gas in chicken house based on RF-LSTM. China Environmental Science, 40(7), 2850-2857p. Hecht, R. (1997). Counter-Propagation Networks. IEEE First International Conference on Neural Networks. 2,19-32p. Hernández, F., Rivas, M. D. M., Femenia, J. O., López, M. J., & Madrid, J. (2013). Effect of dietary protein level on retention of nutrients, growth performance, litter composition and NH3 emission using a multi-phase feeding programme in broilers. Spanish journal of agricultural research, (3), 736-746. http://dx.doi.org/10.5424/sjar/2013113-3597. Herrera, J., Rojas, J. F., y Bolaños, A. (2013). Diagnóstico preliminar de los niveles de emisión de amoníaco y sulfuro de hidrógeno en distintas modalidades de producción en granjas avícolas en Costa Rica. Revista de Ciencias Ambientales, 46(2), 15-26p. https://doi.org/10.15359/rca.46-2.2 Huijsmans, J. F. M. (2003). Manure application and ammonia volatilization. Wageningen Universiteit. https://edepot.wur.nl/121465 ICONTEC. (2004). Productos para la industria agrícola. Productos orgánicos usados como abonos o fertilizantes y enmiendas de suelo. NTC 5167. Bogotá D.C. 40p. ICONTEC. (2004). Productos para la industria agrícola. Productos orgánicos usados como abonos y fertilizantes y enmiendas de suelo, Publicaciones ICONTEC, Bogotá. IPCC. (2013). Climate change 2013: The physical science basis. Contribution of working group I to the fif th assessment report of the intergovernmental panel on climate change. [Stocker, T. F., D. Qin, G. K. Plattner, M. Tignor,S. K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 p. Jarret, G., Martinez, J., Dourmad, J.Y. (2011). Pig feeding strategy coupled with effluent management – fresh or stored slurry, solid phase separation – on methane potential and methane conversion factors during storage. Atmos. Environ. 45, 6204-6209p. https://doi.org/10.1016/j.atmosenv.2011.07.064. Jiang JK, Sands JR (2000) Odour and ammonia emission from broiler farms. Rural Industries Research and Development Corporation. Australia. Publication no. 00/2. 94p. Jugowar, J. L., Rzeźnik, W., & Mielcarek, P. (2017). Emission of ammonia, nitrous oxide and methane from hen house in deep litter/slatted floor system. Journal of Research and Applications in Agricultural Engineering, 62-64p. Kang, H. K., Park, S. B., Kim, S. H., & Kim, C. H. (2016). Effects of stock density on the laying performance, blood parameter, corticosterone, litter quality, gas emission and bone mineral density of laying hens in floor pens. Poultry Science, 95(12). https://doi.org/10.3382/ps/pew264 Knížatová, M., Mihina, Š., Brouček, J., Karandušovská, I., & Mačuhová, J. (2010). Ammonia emissions from broiler housing facility: influence of litter properties and ventilation. In XVIIth World Congress of the International Commission of Agricultural and Biosystems Engineering (CIGR). Canadian Society for Bioengineering (CSBE/SCGAB). Canada, 13-17p. Koerkamp PG (1994) Review on emissions of ammonia from housing systems for laying hens in relation to sources, processes, building design and manure handling. J Agric Eng Res 59:73–87p. https://doi.org/10.1006/jaer.1994.1065 Koerkamp, P. G., & Bleijenberg, R. (1998). Effect of type of aviary, manure and litter handling on the emission kinetics of ammonia from layer houses. British Poultry Science, 39(3), 379-392p. https://doi.org/10.1080/00071669888935 Koerkamp, P.W.G., Metz, J.H.M., Uenk, G.H., Phillips, V.R., Holden, M.R., Sneath, R. W., … Wathes, C.M. (1998) Concentrations and Emissions of Ammonia in Livestock Buildings in Northern Europe. Journal of Agricultural Engineering Research 70, 79–95p. https://doi.org/10.1006/jaer.1998.0275 Koerkamp, P. G., Speelman, L., & Metz, J. H. M. (1999). Litter composition and ammonia emission in aviary houses for laying hens: Part II, modelling the evaporation of water. Journal of Agricultural Engineering Research, 73(4), 353-362p. https://doi.org/10.1006/jaer.1999.0425 León, B. P. A y Piña O. C. D. (2018). Predicción de emisiones contaminantes de gases de escape a través de la presión media efectiva empleando redes neuronales en motores de encendido provocado. (tesis para la obtención del título de ingeniería mecánica). Universidad politécnica salesiana sede cuenca. Ecuador, 124p. http://dspace.ups.edu.ec/handle/123456789/15998 Li, C., Salas, W., Zhang, R., Krauter, C., Rotz, A., & Mitloehner, F. (2012). Manure-DNDC: a biogeochemical process model for quantifying greenhouse gas and ammonia emissions from livestock manure systems. Nutrient Cycling in Agroecosystems, 93(2), 163-200p. https://doi.org/10.1007/s10705-012-9507-z Liang, Y., Xin, H. A., Tanaka, S. H., Lee, H., Li, E.F., Wheeler, R. S., Gates, J. S., Zajaczkowski, P., Topper., and Casey.K.D. (2003). Ammonia emissions from U.S. poultry houses: part II – layer houses. In: Proc. 3rd International Conference on Air Pollution from Agricultural Operations, American Society of Agricultural Engineers, St Joseph, MI: ASAE, pp. 147-158p. Liang, Y., Xin, H., Wheeler, E. F., Gates, R. S., Li, H., Zajaczkowski, J. S., ... & Zajaczkowski, F. J. (2005). Ammonia emissions from US laying hen houses in Iowa and Pennsylvania. Transactions of the ASAE, 48(5), 1927-194p. https://doi.org/10.13031/2013.20002 Lima, N. D. S., Garcia, R. G., Nääs, I. A., Caldara, F. R., & Ponso, R. (2015). Model-predicted ammonia emission from two broiler houses with different rearing systems. Scientia Agricola, 72(5), 393-399. https://doi.org/10.1590/0103-9016-2014-0217 Liu, Z., Wang, L., and Beasley, D. B. (2008). Comparison of three techniques for determining ammonia emission fluxes from broiler litter. Trans. ASABE 51(5), 1783-1790p. https://doi.org/10.13031/2013.25304 Liu, Z., Wang, L., Beasley, D. B. (2006). A review of emission models of ammonia released from broiler houses. American Society of Agricultural and Biological Engineers ASABE, Portland. (064101), 1-17. https://doi.org/10.13031/2013.21568 Liu, Z., Wang, L., Beasley, D., and Oviedo, E. (2007). Effect of moisture content on ammonia emissions from broiler litter: A laboratory study. J. Atmos. Chem. 58 (1), 41-53p. https://doi.org/10.1007/s10874-007-9076-8 Lozano, M. R. (2011). El papel de las redes bayesianas en la toma de decisiones. Laboratorio de Modelación y Simulación, Universidad del Rosario. Maheshwari, S. (2013). Environmental impacts of poultry production. Mahe’s Biotech Pvt. Ltd, India. Poultry, Fisheries & Wildlife Sciences. 2p. https://doi.org/10.4172/2375-446X.1000101 Maliselo PS, Nkonde GK (2015) Ammonia production in poultry houses and its effect on, the growth of gallus gallus domestica (broiler chickens): a case study of a small scale poultry in riverside, Kitwe, Zambia. Int J Sci Technol. 4,141–145p. Matich, D. J. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Argentina. Universidad Tecnológica Nacional. Facultad Regional Rosario Departamento de Ingeniería Química. Optics and Photonics Journal, 7(10), 55p. McQuitty JB, Feddes JJR, Leonard JJ (1985) Air quality in comercial laying barns. CBE Journal, 27, 13–19p. Meda, B., Hassouna, M., Aubert, C., Robin, P., Dourmad, J. Y. (2011). Influence of rearing conditions and manure management practices on ammonia and greenhouse gas emissions from poultry houses. World's Poultry Science Journal, 67(3), 441-456p. https://doi.org/10.1017/S0043933911000493 Medina, D. E., Ore, C. L. (2016). Informe final. Redes neuronales artificiales para la predicción de la concentración de PM10 en el distrito de Ate. [Trabajo de especialización, Universidad Nacional Agraria De La Selva]. Facultad de recursos naturales renovables. Tingo Maria-Perú. 82p. Mendes, L. B., Xin, H., & Li, H. (2012). Ammonia emissions of pullets and laying hens as affected by stocking density and manure accumulation time. Transactions of the ASABE, 55(3),1067-1075p. Menegali, I., Tinôco, I.F.F., Zolnier, S., Carvalho, C.C.S., Guimarães, M.C.C. (2012). Influence of different systems of minimum ventilation on air quality in broiler houses. Engenharia Agrícola 32, 1024-1033p. Merchán I., y Quezada, J. (2013). Reducción de amoníaco de la pollinaza de pollos broiler mediante la adicción de zeolita en la ración alimenticia durante el periodo de crianza en la parroquia Paccha del cantón Cuenca, provincia del Azuay. Tesis de Ingeniero Ambiental. Cuenca, Ecuador: Univ. Politécnica Salesiana. 110p. Miles, D. M., Branton, S. L., & Lott, B. D. (2004). Atmospheric ammonia is detrimental to the performance of modern commercial broilers. Poultry science, 83(10), 1650-1654p. Miles, D. M., Rowe, D. E., and Moore Jr, P. A. (2012). Litter ammonia losses amplified by higher airflow rates. Journal of Applied Poultry Research, 21(4), 874-880p. Miles, D. M., W. W. Miller, S. L. Branton, W. R. Maslin, and B. D. Lott. (2006). Ocular responses to Ammonia in Broiler Chickens. Avian Diseases 50(1):45-49p. MinAmbiente. (2006). Guía de mejores técnicas disponibles en españa del sector matadero y transformados de pollo y gallina. Mnisterio de Ambiente. España. MinSalud. (2006). Guía de mejores técnicas disponibles del sector de la avicultura de puesta. España: Ministerio de Ambiente- Gobierno de España. MinSalud. (2012). Lineamiento para la vigilancia sanitaria y ambiental del impacto de los olores ofensivos en la salud y calidad de vida de las comunidades expuestas en áreas urbanas. Morazán, H. J. (2014). Emisión de amoníaco (NH3) y gases con efecto invernadero (CH4 y N2O) en cerdos en crecimiento: efecto del nivel de proteína y fibra de la ración. Muñoz, E., Seijas, Cesar. (2015). Análisis comparativo de ajuste en entrenamiento de redes neuronales artificiales a partir de las librerías Open NN y ALGLIB. la granja. Revista de Ciencias de la Vida, 13p. https://doi.org/10.17163/lgr.n21.2015.04 Nadier A, Allouim MN, Bennoune O, Bouhentala S (2013) Effect of ventilation and atmospheric ammonia on the health and performance of broiler chickens in summers. J World's Poult Res 3:54–56p. Nimmermark, S., & Gustafsson, G. (2005). Influence of temperature, humidity and ventilation rate on the release of odour and ammonia in a floor housing system for laying hens. Agricultural Engineering International: CIGR Journal.4 (04008), 14p. https://hdl.handle.net/1813/10423 Ning, Xiaopeng. (2008). "Feeding, defecation and gaseous emission dynamics of W-36 laying hens". Graduate Theses and Dissertations. 11575. https://lib.dr.iastate.edu/etd/11575 Osorio, H., Tinoco, I. F., Osorio, S., Jairo, A., de F Souza, C., & de Sousa, F. C. (2016). Calidad del aire en galpón avícola con ventilación natural durante la fase de pollitos. Revista Brasileira de Engenharia Agricola e Ambiental, 20(7), 660-665p. https://doi.org/10.1590/1807-1929/agriambi.v20n7p660-665 Pareja, M. M. E. (2005). Manejo y procesamiento de la gallinaza. Revista Lasallista de investigación, 2(1), 43-48. http://hdl.handle.net/10567/333 Peche, G. A. (2014). Conservación y calidad de la yacija en naves de pollos. Albéitar: publicación veterinaria independiente, (176), 38-40p. Pereira, J. L. (2017). Assessment of ammonia and greenhouse gas emissions from broiler houses in Portugal. Atmospheric Pollution Research, 8(5), 949-955p. https://doi.org/10.1016/j.apr.2017.03.011 Pereira, J. L., Ferreira, S., Pinheiro, V., & Trindade, H. (2018). Ammonia, nitrous oxide, carbon dioxide and methane emissions from commercial broiler houses in Mediterranean Portugal. Water, Air, & Soil Pollution, 229(12), 377p. https://doi.org/10.1007/s11270-018-4026-4 Pérez, A.J.M., Cadenas, C.C (2005). Análisis y Diseño de Dispositivos de Radiocomunicación Mediante Redes Neuronales [trabajo para título de ingeniero Universidad de Sevilla]. Departamento de Ingeniería Electrónica Área de Teoría de la Señal y Comunicaciones. Escuela superior de ingenieros. Universidad de Sevilla. Pezzuolo, A., Sartori, C., Vigato, E., & Guercini, S. (2019). Effect of litter treatment with probiotic bacteria on ammonia reduction in commercial broiler farm. [Trabajo para obtener título de ingeniero]. Engineering for Rural Development, 18, 1631-1635p. https://doi.org/10.22616/ERDev2019.18.N390 Plöchl, M. (2001). Neural network approach for modelling ammonia emission after manure application on the field. Atmospheric Environment, 35(33), 5833-5841p. https://doi.org/10.1016/S1352-2310(01)00281-3 Qu, Y., Wang, M., Dong, W., & Wang, Y. (2019). Prediction of atmospheric ammonia concentration in farmlands using BP neural network. Chinese Journal of Eco-Agriculture, 27(4), 519-528p. https://doi.org/10.13930/j.cnki.cjea.181057 Redwine, J. S., Lacey, R. E., Mukhtar, S., and Carey, J. B. (2002). Concentration and emissions of ammonia and particulate matter in tunnel ventilated broiler houses under summer conditions in Texas. Transactions of the ASAE, 45(4): 1101-1109p. https://doi.org/10.13031/2013.9943 Rege, M. A., & W. Tock, R. (1996). A simple neural network for estimating emission rates of hydrogen sulfide and ammonia from single point sources. Journal of the Air & Waste Management Association, 46(10), 953-962p. : https://doi.org/10.1080/10473289.1996.10467530 Resolución N° 1541 [Ministerio de Ambiente y Desarrollo Sostenible, MinAmbiente]. Por la cual se establecen los niveles permisibles de calidad de aire o de inmisión, el procedimiento para la evaluación de actividades que generen olores ofensivos y se dictan otras disposiciones. 12 de noviembre de 2013. Rong, L., Nielsen, P.V and Zhang, G. (2009). Effects of airflow and liquid temperature on ammonia mass transfer above an emission surface: experimental study on emission rate. Bioresource Technol. 100(20):4654-4661p. https://doi.org/10.1016/j.biortech.2009.05.003 Rosa, E., Arriaga, H., & Merino, P. (2020). Ammonia emission from a manure-belt laying hen facility equipped with an external manure drying tunnel. Journal of Cleaner Production, 251p. https://doi.org/10.1016/j.jclepro.2019.119591. Ruiz, B. (2020). Empresas Líderes 2020: Fuerte crecimiento de la avicultura latinoamericana en 2019. Empresas líderes industria avícola.net. Recuperado en octubre 15 de 2020, de: https://www.industriaavicola-digital.com/industriaavicola/april2020/MobilePagedArticle.action?articleId=1573912#articleId1573912. Saavedra D. P. A. (2017). Estudio de la utilización del potencial de información cruzado en el aprendizaje con ensamble de redes neuronales. Disponible en http://repositorio.uchile.cl/handle/2250/150340 Saha, C. K., Zhang, G., Kai, P., and Bjerg, B. (2010). Effects of a partial pit ventilation system on indoor air quality and ammonia emission from a fattening pig room. Biosystems Engineering, Volume 105, 279-287p. https://doi.org/10.1016/j.biosystemseng.2009.11.006 Sánchez, C., Montilla, J.J., Angulo, I., y León, A. (2001). Efecto del tipo de galpón y ubicación de las jaulas sobre los factores ambientales en gallinas ponedoras. Revista de la Facultad de Agronomía, 20(2), 195-209p. Recuperado en 21 de mayo de 2021, de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0378-78182003000200008&lng=es&tlng=es. Seidavi, A. R., Zaker-Esteghamati, H., & Scanes, C. G. (2019). Present and potential impacts of waste from poultry production on the environment. World's Poultry Science Journal, 75(1), 29-42. https://doi.org/10.1017/S0043933918000922 Senyondo, N. S. (2013). Mitigation of ammonia emissions from broiler houses using a biodegradable litter amendment [disertación doctoral, Virginia Tech). Dallas, Texas. 167p. https://doi.org/10.13031/2013.41878 Séraphin C. Atidégla, Joël Huat, Euloge K. Agbossou, Hervé Saint-Macary, Romain Glèlè Kakai. (2016). Vegetable Contamination by the Fecal Bacteria of Poultry Manure: Case Study of Gardening Sites in Southern Benin. International Journal of Food Science, Article ID 4767453, 8 p. https://doi.org/10.1155/2016/4767453 Serrano, A. J., Soria, E., & Martín, J. D. (2009). REDES NEURONALES ARTIFICIALES. Recuperado el 16 de Agosto de 2020, de http://ciberconta.unizar.es/leccion/redes/610.HTM Shepherd, T. A., Zhao, Y., Li, H., Stinn, J. P., Hayes, M. D., & Xin, H. (2015). Environmental assessment of three egg production systems—Part II. Ammonia, greenhouse gas, and particulate matter emissions. Poultry science, 534-543p. https://doi.org/10.3382/ps/peu075 Solomon, S. (2007). The physical science basis: Contribution of Working Group I to the fourth assessment report of the Intergovernmental Panel on Climate Change. Intergovernmental Panel on Climate Change (IPCC), Climate change 2007, 996p. Soto-Herranz, M., Antolín-Rodríguez, J. M., Conde-Cid, D., & Sánchez-Báscones, M. (2019). Desarrollo de prototipo de membrana para la captación de gas amoniaco en la atmósfera de las granjas. Universidad de Valladolid. Madrid. España. X congreso ibérico de agroingeniería. 8p. https://doi.org/10.26754/c_agroing.2019.com.3428 Steinfeld, H., Gerber, P., Wassenaar, T., Castel, V., Rosales, M., & de Haan, C. (2009). La larga sombra del ganado problemas ambientales y opciones. Organización de las Naciones Unidas para la Agricultura y la Alimentación. Roma. 81-91p. Suarez, E. (2009). Predicción de comportamientos a través de redes neuronal en Matlab. Cuba. 134p. Tablada, C. J., & Torres, G. A. (2009). Redes Neuronales Artificiales. Revista De Educación Matemática, 24(3). Recuperado a partir de https://revistas.unc.edu.ar/index.php/REM/article/view/10280 Tino, P., Benuskova, L., & Sperduti, A. (2015). Artificial Neural Network Models. In Springer Handbook of Computational Intelligence. Springer, Berlin, Heidelberg. 455-471p. Toghyani, M., Gheisari, A., Modaresi, M., Tabeidian, S.A., Toghyani, M. (2010). Effect of different litter material on performance and behavior of broiler chickens. Applied Animal Behaviour Science 122: 48-52p. https://doi.org/10.1016/j.applanim.2009.11.008 Tong, X., Hong, S. W., & Zhao, L. (2019). CFD modeling of airflow, thermal environment, and ammonia concentration distribution in a commercial manure-belt layer house with mixed ventilation systems. Computers and Electronics in Agriculture, 162, 281-299p. https://doi.org/10.1016/j.compag.2019.03.031 Tong, X., Zhao, L., Heber, A. J., & Ni, J. Q. (2020). Mechanistic modelling of ammonia emission from laying hen manure at laboratory scale. Biosystems Engineering, 192, 24-41p. https://doi.org/10.1016/j.biosystemseng.2020.01.004 Torres, C. A. (2014). Un algoritmo cuasi Newton global para problemas de complementariedad no lineal. [Disertación de maestría, Universidad del Cauca] Facultad de Ciencias Naturales, Exactas y de la Educación. Departamento de Matemáticas. http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/581 Valdés H., N. J. y González S., L. O., Will, Adrián L. (2011). Estimación de la resistencia a la penetración de suelos usando redes neuronales artificiales. Acta Agronómica, 60(3), 252-262p. Recopilado el 21 de mayo de 2021, from http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-28122011000300006&lng=en&tlng=es. van Emous, R. A., Winkel, A., & Aarnink, A. J. A. (2019). Effects of dietary crude protein levels on ammonia emission, litter and manure composition, N losses, and water intake in broiler breeders. Poultry science, 98(12), 6618-6625p. https://doi.org/10.3382/ps/pez508 Velasco V. J., Alvarado L. H., Hernández, C., Gómez, M. F., Narciso, G. C., Misselbrook, T. (2016). Buenas prácticas de manejo y emisiones de amoniaco en explotaciones avícolas. Agro Productividad, 9(8). Recuperado el 20 de noviembre de 2020 de: https://revista-agroproductividad.org/index.php/agroproductividad/article/view/799 Vivas, H. (2014). Optimización en el entrenamiento del Perceptrón Multicapa. Popayán: Universidad del Cauca. [Disertación de maestría, Universidad del Cauca], Facultad de Ciencias Naturales, Exactas y de la Educación. Departamento de Matemáticas. Vivas, A. M. (2016). Aplicación de las redes neuronales artificiales y teoría de juegos al cambio climático con control óptimo. Entornos, Universidad Sur colombiana. Revista entornos, 29(2), 371-372p. Vučemilo, M., K. Matković, B. Vinković, S. Jaksić, K. Granić, and N. Mas. (2007). The effect of animal age on air pollutant concentration in a broiler house. Czech Journal of Animal Science, 52(6), 170-174p. https://doi.org/10.17221/2318-CJAS Wang, P., Yao, J., Wang, G., Hao, F., Shrestha, S., Xue, B., Peng, Y. (2019). Exploring the application of artificial intelligence technology for identification of water pollution characteristics and tracing the source of water quality pollutants. Science of the Total Environment, 693p. https://10.1016/j.scitotenv.2019.07.246 Wheeler, E. F., Casey, K. D., Gates, R.S., Xin, H., Topper, P.A and Liang. Y. (2008). Ammonia Emissions from USA Broiler Chicken Barns Managed with New Bedding, Built-up Litter, or Acid-Treated Litter. Livestock Environment 8, 9p. https://doi.org/10.13031/2013.25475} Williams, C. M. (2013). Gestión de residuos de aves de corral en los países en desarrollo. En O. d. Agricultura. Revisión del desarrollo Avícola. Revisión del desarrollo Avícola FAO, 14p. Wood, D. (2015). The evaluation of ammonia and particulate matter control strategies for poultry production facilities [Dissertation doctoral, The University of Guelph]. School of Engineering. http://hdl.handle.net/10214/9224 Zhao Y, Shepherd TA, Li H, Xin H (2015) Environmental assessment of three egg production systems–part I: monitoring system and indoor air quality. Poult Sci 94(3) 518–533p. https://doi.org/10.3382/ps/peu076 Zheng, W., Xiong, Y., Gates, R. S., Wang, Y., & Koelkebeck, K. W. (2020). Air temperature, carbon dioxide, and ammonia assessment inside a commercial cage layer barn with manure-drying tunnels. Poultry science, 99(8), 14p. https://doi.org/10.1016/j.psj.2020.05.009 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Reconocimiento 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Reconocimiento 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
144 páginas + anexos |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Palmira - Ingeniería y Administración - Maestría en Ingeniería - Ingeniería Ambiental |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería y Administración |
| dc.publisher.place.spa.fl_str_mv |
Palmira, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Palmira |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/80440/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/80440/3/1113645258.2021.pdf https://repositorio.unal.edu.co/bitstream/unal/80440/4/1113645258.2021.pdf.jpg |
| bitstream.checksum.fl_str_mv |
cccfe52f796b7c63423298c2d3365fc6 7186beb1d3f223d79ff46192dd5a45ca 425d6dd668a20b4f4ba954eacd45cb94 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089654425616384 |
| spelling |
Reconocimiento 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2González Salcedo, Luis Octavioa8c3a08981accab9374b8bd563d2bc74Malagón Manrique, Ricardoa997ef958d3970d2e57ae6664bebc8a8Bastidas Marín, John Edisona54e88cb0f597ee4f9dc4682f67ce0772021-10-08T13:40:11Z2021-10-08T13:40:11Z2020-10-06https://repositorio.unal.edu.co/handle/unal/80440Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/Ilustraciones, fotografías, tablasEn los últimos años la industria avícola ha experimentado tanto a nivel mundial como en Colombia un importante crecimiento, lo cual unido a la exigencia de la normatividad ambiental vigente conlleva al control y disminución de las emisiones de amoniaco dentro de los galpones. El amoniaco proveniente de las deyecciones puede afectar a las aves y a las personas generando problemas de salud y pérdidas económicas en dicha industria. La cantidad de la emisión de amoniaco depende de las condiciones ambientales y de diversas variables de diseño y operación presentes en las actividades avícolas. En este trabajo, para la predicción de la emisión de amoniaco liberadas al aire dentro de galpones para aves de postura y engorde, se elaboraron redes neuronales artificiales multicapa feedforward – backpropagation, evaluando su desempeño a partir del coeficiente de correlación lineal R. Posteriormente, se usó la red neuronal seleccionada y entrenada para analizar la influencia de diferentes variables en la generación de emisiones de NH3. Se analizaron las variables ambientales; temperatura, humedad relativa, pH, flujo de aire. Las variables de operación; densidad, tiempo de acumulación del estiercol, consumo de proteína, raza de las aves y factores de diseño como el tipo de ventilación, tipo de galpón y tipo de cama, se sugirieron algunas condiciones de operación para reducir las emisiones de NH3. Los resultados de correlación entre las emisiones reales y estimadas por la red neuronal (R=0.99), muestran que la herramienta computacional desarrollada es confiable en la predicción de las emisiones y abre una agenda futura para la optimización y diseño de ambientes controlados mediante aprendizaje de máquinas basadas en redes neuronales (texto tomado de la fuente).In the last years, the poultry industry has experienced significant growth both worldwide and in Colombia, which together with the requirement of current environmental regulations leads to the control and reduction of ammonia emissions within the sheds. Ammonia from manure can affect birds and people, causing health problems and economic losses in this industry. The amount of ammonia emission depends on environmental conditions and various design and operating variables present in poultry activities. In this work, for the prediction of the ammonia emission released into the air within sheds for laying and fattening birds, feedforward - backpropagation multilayer artificial neural networks were elaborated, evaluating their performance from the linear correlation coefficient R. used the selected and trained neural network to analyze the influence of different variables on the generation of NH3 emissions. The environmental variables were analyzed; temperature, relative humidity, pH, air flow. The operation variables; Density, manure accumulation time, protein consumption, breed of birds and design factors such as type of ventilation, type of house and type of litter, some operating conditions were suggested to reduce NH3 emissions. The correlation results between the real and estimated emissions by the neural network (R = 0.99), show that the computational tool developed is reliable in the prediction of emissions and opens a future agenda for the optimization and design of controlled environments through learning of machines based on neural networks. Keywords: droppings; ammonia; environmental conditions; poultry industry; artifiMaestríaMagíster en Ingeniería - Ingeniería AmbientalSe realizó una revisión sistemática de la literatura sobre estudios de emisiones de amoniaco en galpones avícolas tanto para aves de engorde como de postura. Se analizaron 280 artículos de la base de datos científica Scopus. Fueron recopilados los datos experimentales de estos estudios para países tanto del trópico como de la latitud norte con diversas condiciones ambientales. Con los datos de los estudios se construyó una base de datos estandarizada, obteniéndose un conjunto de datos general de 380 registros con estudios desde el año 1995 hasta la actualidad (tabla tal) . Posteriormente se realizaron dos subconjuntos para el entrenamiento de las redes. La efectividad de cada modelo como método de estimación de las emisiones de NH3, fue evaluada utilizando un indicador estadístico que comúnmente se utiliza en la evaluación del desempeño de las redes neuronales artificiales.Línea de investigación de Monitoreo, modelación y gestión de recursos naturales144 páginas + anexosapplication/pdfspaUniversidad Nacional de ColombiaPalmira - Ingeniería y Administración - Maestría en Ingeniería - Ingeniería AmbientalFacultad de Ingeniería y AdministraciónPalmira, ColombiaUniversidad Nacional de Colombia - Sede Palmira630 - Agricultura y tecnologías relacionadas::636 - Producción animalEmisión de contaminantesPollutant emissioncondiciones ambientalesinteligencia artificialredes neuronales artificialesdeyeccionesamoniacocondiciones ambientalesindustria avícoladroppingsammoniaenvironmental conditionspoultry industryartificial intelligenceartificial neural networkEstimación de las emisiones de amoniaco en galpones avícolas, usando un modelo neuronal artificialEstimation of ammonia emissions in poultry sheds, using an artificial neuronal modelTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionDatasetModelTexthttp://purl.org/redcol/resource_type/TMAarnink, A. J. A., & Verstegen, M. W. A. (2007). Nutrition, key factor to reduce environmental load from pig production. Livestock Science, 109(1-3), 194-203p. https://doi.org/10.1016/j.livsci.2007.01.112Abyaneh, H. (2014). Evaluation of multivariate li-near regression and artificial neural networks in prediction of water quality parameters. Journal of Environmental Health Science & Enginee-ring, 12(40), 1-8p. https://doi.org/10.1186/2052-336X-12-40Álava, F. J. (2015). Climatización de los galpones de la avícola inés maría. Trabajo final para la obtención del título: Ing. Mecánico Espol. fimcp, Guayaquil. http://www.dspace.espol.edu.ec/xmlui/handle/123456789/37045Alberdi, O., Arriaga, H., Calvet, S., Estellés, F., & Merino, P. (2016). Ammonia and greenhouse gas emissions from an enriched cage laying hen facility. Biosystems Engineering, 144, 1-12p. https://doi.org/10.1016/j.biosystemseng.2016.01.009Albino, L.F.T., Carvalho B.D, Maia R, Barros, V. (2014). Galinhas Poedeiras Criação e Alimentação. Aprenda Fácil, 376p.Álvarez, L., Combellas, J., y Álvarez, R. (2005). Revisión Uso de excretas de aves en la alimentación de ovinos. Zootecnia Tropical, 23(2), 183-210. Recuperado en 21 de mayo de 2021, de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-72692005000200007&lng=es&tlng=es.Andrade, A., y Arilio, O. (2017). Estudio de impacto ambiental para una granja de engorde en el municipio de Fusagasugá (Tesis de licenciatura, Universidad Militar Nueva Granada). http://hdl.handle.net/10654/16439p.Aranda, J. I. (2018). Aguas residuales provenientes de la industria avícola en Colombia: una revisión bibliográfica. Villavicencio-Colombia: Universidad de los Llanos. 1-9p. 10.13140/RG.2.2.14655.00168Arrieta, O. A. (2013). Emisión de gases de efecto invernadero y amoniaco en una explotación de gallinas ponedoras en bizkaia. uztaila: Universidad Pública de Navarra. 1-63p. https://hdl.handle.net/2454/7669Asanza, W. R., Olivo, B, M. (2018). Redes neuronales artificiales aplicadas al reconocimiento de patrones. Machala. Universidad Técnica de Machala. http://repositorio.utmachala.edu.ec/handle/48000/12499Barrera, J. A. T. Redes Neuronales. Universidad de Guadalajara. Recuperada el 15 de octubre de: http://www. cucei. udg. mx/sites/default/files/pdf/toral_barrera_jamie_areli. PdfBertona, L. F., Britos, P., García, M. R. (2005). Entrenamiento de redes neuronales basado en algoritmos evolutivos. (Tesis de grado en ingeniería informática). Buenos Aires, Argentina: Universidad de Buenos Aires. Facultad de ingeniería, 253p.BOE (2010). Real Decreto 692/2010 de 20 de Mayo, por el que se establecen las normas mínimas para la protección de los pollos destinados a la producción de carne. BOE, 135, 47986-47995.Bohórquez, V. D. (2014). Perspectiva de la producción avícola en Colombia. Recuperado de: http://hdl.handle.net/10654/12149Boniecki, P., Dach, J., Pilarski, K., & Piekarska, B. H. (2012). Artificial neural networks for modeling ammonia emissions released from sewage sludge composting. Atmospheric Environment, 57, 49-54p. https://doi.org/10.1016/j.atmosenv.2012.04.036Botermans, J. G., Gustafsson, K. H., Jeppsson, N., Brown., and Rodhe, L. (2010). Measures to reduce ammonia emissions in pig production. Faculty of Landscape Planning, Horticulture and Agricultural Science. Landskap Trädgård Jordbruk: Rapportserie (1654), 63. http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-5-141pBrodny, J., & Tutak, M. (2020). The Use of Artificial Neural Networks to Analyze Greenhouse Gas and Air Pollutant Emissions from the Mining and Quarrying Sector in the European Union. Energies, MDPI, Open Access Journal, 13(8), 1-31p.Calvet, S., Cambra-López, M., Estellés, F., and Torres, A. G. (2011). Characterization of gas emissions from a Mediterranean broiler farm. Poultry Science (90): 534-542. https://doi.org/10.3382/ps.2010-01037Campos, F., Tinôco, I. F., Silva, J., Baptista, F. D., Souza, C. F., & Silva, A. L. (2017). Gas emission in the poultry production. Journal of Animal Behaviour and Biometeorology, 5(2), 49-55p. https://doi.org/10.31893/2318-1265jabb.v5n2p49-55Castro, C. M. (2018). Manejo da cama aviária e impactos na produção avícola. Anais do 19º Simpósio Brasil Sul de Avicultura e 10º Brasil Sul Poultry Fair, 11-21p.Cedeño, K., & Vergara, C. (2017). Manejo de cortinas para mejorar el bienestar animal y parámetros productivos en pollos cobb 500 (Tesis doctoral). Médico Veterinario. Carrera Pecuaria. ESPAM MFL. Calceta. Manabí. EC. 69p).Chepete, J. H., Xin, H., & Li, H. (2011). Ammonia emissions of laying-hen manure as affected by accumulation time. The journal of poultry science, 48(2), 133-138p. https://doi.org/10.2141/jpsa.010087Cohuo-Colli, J. M., Salinas-Ruíz, J., Hernández-Cázares, A. S., Hidalgo-Contreras, J. V., Brito-Damián, V. H., & Velasco-Velasco, J. (2018). Effect of litter density and foot health program on ammonia emissions in broiler chickens. Journal of Applied Poultry Research, 27(2), 198-205p. https://doi.org/10.3382/japr/pfx058Cordeiro, M. B., Tinôco, I. F., Silva, J. N., Vigoderis, R. B., Pinto, F. A. C., & Cecon, P. R. (2010). Conforto térmico e desempenho de pintos de corte submetidos a diferentes sistemas de aquecimento no período de inverno. Revista Brasileira de Zootecnia, v.39, 217-224p. http://dx.doi.org/10.1590/S1516-35982010000100029Córdoba, C. D. (2017). Herramientas para la enseñanza de sistemas inteligentes utilizando plataformas de hardware libre. Cali: Universidad Autónoma de Occidente - Facultad de Ingeniería.Cortina Januchs, María Guadalupe (2012). Aplicación de técnicas de inteligencia artificial a la predicción de contaminantes atmosféricos. Universidad Politécnica de Madrid, España. (Tesis doctoral), E.T.S.I. Telecomunicación (UPM), 210. http://oa.upm.es/11206/Coufal, C. D., Chavez, C., Niemeyer, P. R., & Carey, J. B. (2006). Measurement of broiler litter production rates and nutrient content using recycled litter. Poultry Science, 85(3), 398-403p. https://doi.org/10.1093/ps/85.3.398DANE. (2019). Estadisticas. Recuperado el 15 de octubre de: http://www.fenavi.org/index.php?option=com_content&view=article&id=2167&Itemid= 11 72#magictabs_erpdb_3Dekker, S. E. M., Aarnink, A. J. A., De Boer, I. J. M., & Koerkamp, P. G. (2011). Emissions of ammonia, nitrous oxide, and methane from aviaries with organic laying hen husbandry. Biosystems Engineering, 110(2), 123-133p.Delgado, A. M. D. M., Miralles I. H. R., Alonso P. F., Rodríguez A. C., Martín Sánchez, J. V. (2014). Concentración de metales pesados en suelos, plantas, lombrices y lixiviados provenientes de gallinaza aplicada a suelos agrícolas. Revista internacional de contaminación ambiental, 30(1), 43-50p. Disponible en: <https://www.revistascca.unam.mx/rica/index.php/rica/article/view/33803>. Fecha de acceso: 21 may 2021.Saavedra D. P. (2017).Estudio de la utilización del potencial de información cruzado en el aprendizaje con ensamble de redes neuronales. Disponible en http://repositorio.uchile.cl/handle/2250/150340Ecetoc, (1994). Ammonia emissions to air in Western Europe. Technical report No. 62. European Centre for Ecotoxicology and Toxicology of Chemicals. Brussels, Belgium, 196p.Elwinger, K., & Svensson, L. (1996). Effect of dietary protein content, litter and drinker type on ammonia emission from broiler houses. Journal of Agricultural Engineering Research, 64(3), 197-208p. https://doi.org/10.1006/jaer.1996.0061Fabbri, C., Valli, L., Guarino, M., Costa, A., & Mazzotta, V. (2007). Ammonia, methane, nitrous oxide and particulate matter emissions from two different buildings for laying hens. Biosystems Engineering, 97(4), 441-455. https://doi.org/10.1016/j.biosystemseng.2007.03.036FAO. 2020 Food Outlook - Biannual Report on Global Food Markets: June 2020. Food Outlook. Rome. 44-50p. https://doi.org/10.4060/ca9509enFederación Nacional de Avicultores de Colombia, FENAVI (2018). Manual de buenas prácticas disponibles para la mitigación de olores en la industria avícola. Colombia: Fondo Nacional Avícola. Recuperado en octubre 1 de 2020, de: https://fenavi.org/wp-content/uploads/2018/05/Cartilla_Digital_PRIO_FINAL.pdfFederación Nacional de Avicultores de Colombia, FENAVI (2020). Avicultores. Federación Nacional de Avicultores de Colombia – Fenavi- Nº. 302 / febrero 15 de 2020. ISSN 0121 –1358. Recuperado en octubre 1 de 2020, de: https://fenavi.org/wp-content/uploads/2020/02/Fenaviquin_ed3022019.pdfCervantes, O. R., Arteaga, R. R., Vázquez P. M., Ojeda B. W., Quevedo N. A. (2013). Modelos Hargreaves Priestley-Taylor y redes neuronales artificiales en la estimación de la evapotranspiración de referencia. Ingeniería, investigación y tecnología, 14(2), 163-176p. Recuperado en 21 de mayo de 2021, de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-77432013000200003&lng=es&tlng=es.García, J. B. (2017). Optimización de la Utilización de Catalizadores Orgánicos Biológicos en el Tratamiento de Aguas Residuales de la Industria Avícola usando Redes Neuronales Artificiales. Palmira: Universidad Nacional de Colombia.Garzón, D. F. (2005). Aplicación de Redes Neuronales MLP a la predicción de un paso en series de tiempo. Bogotá: Fundación Universitaria Konrad Lorenz.Ghaly, A. E., & Alhattab, M. K. (2013). Drying poultry manure for pollution potential reduction and production of organic fertilizer. American Journal of Environmental Sciences, 9(2), 88-102p. Recuperado de https://doi.org/10.3844/ajessp.2013.88.102.Golbabaei F, Islami F (2000) Evaluation of workers’ exposure to dust, ammonia and endotoxin in poultry industries at the province of Isfahan, Iran. Ind Health 38, 41–46p. https://doi.org/10.2486/indhealth.38.41González-Salcedo, L. O., & García-Nuñez, J. B. (2019). Elaboración de un modelo neuronal artificial para la estimación de turbiedad y proposición de dosificaciones en el tratamiento de aguas residuales de la industria avícola. Informador Técnico, 84(1), 3-17p. https://doi.org/10.23850/22565035.1636Gulyani, B. B., Mangai, J. A., & Fathima, A. (2015). An Approach for Predicting River Water Quali-ty Using Data Mining Technique. Lecture No-tes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lec-ture Notes in Bioinformatics), 9165, 233-243p. https://doi.org/10.1007/978-3-319-20910-4_17Guo, Y., Yang, L., Liu, C., Ye, R., & Duan, Q. (2020). Prediction of stench gas in chicken house based on RF-LSTM. China Environmental Science, 40(7), 2850-2857p.Hecht, R. (1997). Counter-Propagation Networks. IEEE First International Conference on Neural Networks. 2,19-32p.Hernández, F., Rivas, M. D. M., Femenia, J. O., López, M. J., & Madrid, J. (2013). Effect of dietary protein level on retention of nutrients, growth performance, litter composition and NH3 emission using a multi-phase feeding programme in broilers. Spanish journal of agricultural research, (3), 736-746. http://dx.doi.org/10.5424/sjar/2013113-3597.Herrera, J., Rojas, J. F., y Bolaños, A. (2013). Diagnóstico preliminar de los niveles de emisión de amoníaco y sulfuro de hidrógeno en distintas modalidades de producción en granjas avícolas en Costa Rica. Revista de Ciencias Ambientales, 46(2), 15-26p. https://doi.org/10.15359/rca.46-2.2Huijsmans, J. F. M. (2003). Manure application and ammonia volatilization. Wageningen Universiteit. https://edepot.wur.nl/121465ICONTEC. (2004). Productos para la industria agrícola. Productos orgánicos usados como abonos o fertilizantes y enmiendas de suelo. NTC 5167. Bogotá D.C. 40p.ICONTEC. (2004). Productos para la industria agrícola. Productos orgánicos usados como abonos y fertilizantes y enmiendas de suelo, Publicaciones ICONTEC, Bogotá.IPCC. (2013). Climate change 2013: The physical science basis. Contribution of working group I to the fif th assessment report of the intergovernmental panel on climate change. [Stocker, T. F., D. Qin, G. K. Plattner, M. Tignor,S. K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 p.Jarret, G., Martinez, J., Dourmad, J.Y. (2011). Pig feeding strategy coupled with effluent management – fresh or stored slurry, solid phase separation – on methane potential and methane conversion factors during storage. Atmos. Environ. 45, 6204-6209p. https://doi.org/10.1016/j.atmosenv.2011.07.064.Jiang JK, Sands JR (2000) Odour and ammonia emission from broiler farms. Rural Industries Research and Development Corporation. Australia. Publication no. 00/2. 94p.Jugowar, J. L., Rzeźnik, W., & Mielcarek, P. (2017). Emission of ammonia, nitrous oxide and methane from hen house in deep litter/slatted floor system. Journal of Research and Applications in Agricultural Engineering, 62-64p.Kang, H. K., Park, S. B., Kim, S. H., & Kim, C. H. (2016). Effects of stock density on the laying performance, blood parameter, corticosterone, litter quality, gas emission and bone mineral density of laying hens in floor pens. Poultry Science, 95(12). https://doi.org/10.3382/ps/pew264Knížatová, M., Mihina, Š., Brouček, J., Karandušovská, I., & Mačuhová, J. (2010). Ammonia emissions from broiler housing facility: influence of litter properties and ventilation. In XVIIth World Congress of the International Commission of Agricultural and Biosystems Engineering (CIGR). Canadian Society for Bioengineering (CSBE/SCGAB). Canada, 13-17p.Koerkamp PG (1994) Review on emissions of ammonia from housing systems for laying hens in relation to sources, processes, building design and manure handling. J Agric Eng Res 59:73–87p. https://doi.org/10.1006/jaer.1994.1065Koerkamp, P. G., & Bleijenberg, R. (1998). Effect of type of aviary, manure and litter handling on the emission kinetics of ammonia from layer houses. British Poultry Science, 39(3), 379-392p. https://doi.org/10.1080/00071669888935Koerkamp, P.W.G., Metz, J.H.M., Uenk, G.H., Phillips, V.R., Holden, M.R., Sneath, R. W., … Wathes, C.M. (1998) Concentrations and Emissions of Ammonia in Livestock Buildings in Northern Europe. Journal of Agricultural Engineering Research 70, 79–95p. https://doi.org/10.1006/jaer.1998.0275Koerkamp, P. G., Speelman, L., & Metz, J. H. M. (1999). Litter composition and ammonia emission in aviary houses for laying hens: Part II, modelling the evaporation of water. Journal of Agricultural Engineering Research, 73(4), 353-362p. https://doi.org/10.1006/jaer.1999.0425León, B. P. A y Piña O. C. D. (2018). Predicción de emisiones contaminantes de gases de escape a través de la presión media efectiva empleando redes neuronales en motores de encendido provocado. (tesis para la obtención del título de ingeniería mecánica). Universidad politécnica salesiana sede cuenca. Ecuador, 124p. http://dspace.ups.edu.ec/handle/123456789/15998Li, C., Salas, W., Zhang, R., Krauter, C., Rotz, A., & Mitloehner, F. (2012). Manure-DNDC: a biogeochemical process model for quantifying greenhouse gas and ammonia emissions from livestock manure systems. Nutrient Cycling in Agroecosystems, 93(2), 163-200p. https://doi.org/10.1007/s10705-012-9507-zLiang, Y., Xin, H. A., Tanaka, S. H., Lee, H., Li, E.F., Wheeler, R. S., Gates, J. S., Zajaczkowski, P., Topper., and Casey.K.D. (2003). Ammonia emissions from U.S. poultry houses: part II – layer houses. In: Proc. 3rd International Conference on Air Pollution from Agricultural Operations, American Society of Agricultural Engineers, St Joseph, MI: ASAE, pp. 147-158p.Liang, Y., Xin, H., Wheeler, E. F., Gates, R. S., Li, H., Zajaczkowski, J. S., ... & Zajaczkowski, F. J. (2005). Ammonia emissions from US laying hen houses in Iowa and Pennsylvania. Transactions of the ASAE, 48(5), 1927-194p. https://doi.org/10.13031/2013.20002Lima, N. D. S., Garcia, R. G., Nääs, I. A., Caldara, F. R., & Ponso, R. (2015). Model-predicted ammonia emission from two broiler houses with different rearing systems. Scientia Agricola, 72(5), 393-399. https://doi.org/10.1590/0103-9016-2014-0217Liu, Z., Wang, L., and Beasley, D. B. (2008). Comparison of three techniques for determining ammonia emission fluxes from broiler litter. Trans. ASABE 51(5), 1783-1790p. https://doi.org/10.13031/2013.25304Liu, Z., Wang, L., Beasley, D. B. (2006). A review of emission models of ammonia released from broiler houses. American Society of Agricultural and Biological Engineers ASABE, Portland. (064101), 1-17. https://doi.org/10.13031/2013.21568Liu, Z., Wang, L., Beasley, D., and Oviedo, E. (2007). Effect of moisture content on ammonia emissions from broiler litter: A laboratory study. J. Atmos. Chem. 58 (1), 41-53p. https://doi.org/10.1007/s10874-007-9076-8Lozano, M. R. (2011). El papel de las redes bayesianas en la toma de decisiones. Laboratorio de Modelación y Simulación, Universidad del Rosario.Maheshwari, S. (2013). Environmental impacts of poultry production. Mahe’s Biotech Pvt. Ltd, India. Poultry, Fisheries & Wildlife Sciences. 2p. https://doi.org/10.4172/2375-446X.1000101Maliselo PS, Nkonde GK (2015) Ammonia production in poultry houses and its effect on, the growth of gallus gallus domestica (broiler chickens): a case study of a small scale poultry in riverside, Kitwe, Zambia. Int J Sci Technol. 4,141–145p.Matich, D. J. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Argentina. Universidad Tecnológica Nacional. Facultad Regional Rosario Departamento de Ingeniería Química. Optics and Photonics Journal, 7(10), 55p.McQuitty JB, Feddes JJR, Leonard JJ (1985) Air quality in comercial laying barns. CBE Journal, 27, 13–19p.Meda, B., Hassouna, M., Aubert, C., Robin, P., Dourmad, J. Y. (2011). Influence of rearing conditions and manure management practices on ammonia and greenhouse gas emissions from poultry houses. World's Poultry Science Journal, 67(3), 441-456p. https://doi.org/10.1017/S0043933911000493Medina, D. E., Ore, C. L. (2016). Informe final. Redes neuronales artificiales para la predicción de la concentración de PM10 en el distrito de Ate. [Trabajo de especialización, Universidad Nacional Agraria De La Selva]. Facultad de recursos naturales renovables. Tingo Maria-Perú. 82p.Mendes, L. B., Xin, H., & Li, H. (2012). Ammonia emissions of pullets and laying hens as affected by stocking density and manure accumulation time. Transactions of the ASABE, 55(3),1067-1075p.Menegali, I., Tinôco, I.F.F., Zolnier, S., Carvalho, C.C.S., Guimarães, M.C.C. (2012). Influence of different systems of minimum ventilation on air quality in broiler houses. Engenharia Agrícola 32, 1024-1033p.Merchán I., y Quezada, J. (2013). Reducción de amoníaco de la pollinaza de pollos broiler mediante la adicción de zeolita en la ración alimenticia durante el periodo de crianza en la parroquia Paccha del cantón Cuenca, provincia del Azuay. Tesis de Ingeniero Ambiental. Cuenca, Ecuador: Univ. Politécnica Salesiana. 110p.Miles, D. M., Branton, S. L., & Lott, B. D. (2004). Atmospheric ammonia is detrimental to the performance of modern commercial broilers. Poultry science, 83(10), 1650-1654p.Miles, D. M., Rowe, D. E., and Moore Jr, P. A. (2012). Litter ammonia losses amplified by higher airflow rates. Journal of Applied Poultry Research, 21(4), 874-880p.Miles, D. M., W. W. Miller, S. L. Branton, W. R. Maslin, and B. D. Lott. (2006). Ocular responses to Ammonia in Broiler Chickens. Avian Diseases 50(1):45-49p.MinAmbiente. (2006). Guía de mejores técnicas disponibles en españa del sector matadero y transformados de pollo y gallina. Mnisterio de Ambiente. España.MinSalud. (2006). Guía de mejores técnicas disponibles del sector de la avicultura de puesta. España: Ministerio de Ambiente- Gobierno de España.MinSalud. (2012). Lineamiento para la vigilancia sanitaria y ambiental del impacto de los olores ofensivos en la salud y calidad de vida de las comunidades expuestas en áreas urbanas.Morazán, H. J. (2014). Emisión de amoníaco (NH3) y gases con efecto invernadero (CH4 y N2O) en cerdos en crecimiento: efecto del nivel de proteína y fibra de la ración.Muñoz, E., Seijas, Cesar. (2015). Análisis comparativo de ajuste en entrenamiento de redes neuronales artificiales a partir de las librerías Open NN y ALGLIB. la granja. Revista de Ciencias de la Vida, 13p. https://doi.org/10.17163/lgr.n21.2015.04Nadier A, Allouim MN, Bennoune O, Bouhentala S (2013) Effect of ventilation and atmospheric ammonia on the health and performance of broiler chickens in summers. J World's Poult Res 3:54–56p.Nimmermark, S., & Gustafsson, G. (2005). Influence of temperature, humidity and ventilation rate on the release of odour and ammonia in a floor housing system for laying hens. Agricultural Engineering International: CIGR Journal.4 (04008), 14p. https://hdl.handle.net/1813/10423Ning, Xiaopeng. (2008). "Feeding, defecation and gaseous emission dynamics of W-36 laying hens". Graduate Theses and Dissertations. 11575. https://lib.dr.iastate.edu/etd/11575Osorio, H., Tinoco, I. F., Osorio, S., Jairo, A., de F Souza, C., & de Sousa, F. C. (2016). Calidad del aire en galpón avícola con ventilación natural durante la fase de pollitos. Revista Brasileira de Engenharia Agricola e Ambiental, 20(7), 660-665p. https://doi.org/10.1590/1807-1929/agriambi.v20n7p660-665Pareja, M. M. E. (2005). Manejo y procesamiento de la gallinaza. Revista Lasallista de investigación, 2(1), 43-48. http://hdl.handle.net/10567/333Peche, G. A. (2014). Conservación y calidad de la yacija en naves de pollos. Albéitar: publicación veterinaria independiente, (176), 38-40p.Pereira, J. L. (2017). Assessment of ammonia and greenhouse gas emissions from broiler houses in Portugal. Atmospheric Pollution Research, 8(5), 949-955p. https://doi.org/10.1016/j.apr.2017.03.011Pereira, J. L., Ferreira, S., Pinheiro, V., & Trindade, H. (2018). Ammonia, nitrous oxide, carbon dioxide and methane emissions from commercial broiler houses in Mediterranean Portugal. Water, Air, & Soil Pollution, 229(12), 377p. https://doi.org/10.1007/s11270-018-4026-4Pérez, A.J.M., Cadenas, C.C (2005). Análisis y Diseño de Dispositivos de Radiocomunicación Mediante Redes Neuronales [trabajo para título de ingeniero Universidad de Sevilla]. Departamento de Ingeniería Electrónica Área de Teoría de la Señal y Comunicaciones. Escuela superior de ingenieros. Universidad de Sevilla.Pezzuolo, A., Sartori, C., Vigato, E., & Guercini, S. (2019). Effect of litter treatment with probiotic bacteria on ammonia reduction in commercial broiler farm. [Trabajo para obtener título de ingeniero]. Engineering for Rural Development, 18, 1631-1635p. https://doi.org/10.22616/ERDev2019.18.N390Plöchl, M. (2001). Neural network approach for modelling ammonia emission after manure application on the field. Atmospheric Environment, 35(33), 5833-5841p. https://doi.org/10.1016/S1352-2310(01)00281-3Qu, Y., Wang, M., Dong, W., & Wang, Y. (2019). Prediction of atmospheric ammonia concentration in farmlands using BP neural network. Chinese Journal of Eco-Agriculture, 27(4), 519-528p. https://doi.org/10.13930/j.cnki.cjea.181057Redwine, J. S., Lacey, R. E., Mukhtar, S., and Carey, J. B. (2002). Concentration and emissions of ammonia and particulate matter in tunnel ventilated broiler houses under summer conditions in Texas. Transactions of the ASAE, 45(4): 1101-1109p. https://doi.org/10.13031/2013.9943Rege, M. A., & W. Tock, R. (1996). A simple neural network for estimating emission rates of hydrogen sulfide and ammonia from single point sources. Journal of the Air & Waste Management Association, 46(10), 953-962p. : https://doi.org/10.1080/10473289.1996.10467530Resolución N° 1541 [Ministerio de Ambiente y Desarrollo Sostenible, MinAmbiente]. Por la cual se establecen los niveles permisibles de calidad de aire o de inmisión, el procedimiento para la evaluación de actividades que generen olores ofensivos y se dictan otras disposiciones. 12 de noviembre de 2013.Rong, L., Nielsen, P.V and Zhang, G. (2009). Effects of airflow and liquid temperature on ammonia mass transfer above an emission surface: experimental study on emission rate. Bioresource Technol. 100(20):4654-4661p. https://doi.org/10.1016/j.biortech.2009.05.003Rosa, E., Arriaga, H., & Merino, P. (2020). Ammonia emission from a manure-belt laying hen facility equipped with an external manure drying tunnel. Journal of Cleaner Production, 251p. https://doi.org/10.1016/j.jclepro.2019.119591.Ruiz, B. (2020). Empresas Líderes 2020: Fuerte crecimiento de la avicultura latinoamericana en 2019. Empresas líderes industria avícola.net. Recuperado en octubre 15 de 2020, de: https://www.industriaavicola-digital.com/industriaavicola/april2020/MobilePagedArticle.action?articleId=1573912#articleId1573912.Saavedra D. P. A. (2017). Estudio de la utilización del potencial de información cruzado en el aprendizaje con ensamble de redes neuronales. Disponible en http://repositorio.uchile.cl/handle/2250/150340Saha, C. K., Zhang, G., Kai, P., and Bjerg, B. (2010). Effects of a partial pit ventilation system on indoor air quality and ammonia emission from a fattening pig room. Biosystems Engineering, Volume 105, 279-287p. https://doi.org/10.1016/j.biosystemseng.2009.11.006Sánchez, C., Montilla, J.J., Angulo, I., y León, A. (2001). Efecto del tipo de galpón y ubicación de las jaulas sobre los factores ambientales en gallinas ponedoras. Revista de la Facultad de Agronomía, 20(2), 195-209p. Recuperado en 21 de mayo de 2021, de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0378-78182003000200008&lng=es&tlng=es.Seidavi, A. R., Zaker-Esteghamati, H., & Scanes, C. G. (2019). Present and potential impacts of waste from poultry production on the environment. World's Poultry Science Journal, 75(1), 29-42. https://doi.org/10.1017/S0043933918000922Senyondo, N. S. (2013). Mitigation of ammonia emissions from broiler houses using a biodegradable litter amendment [disertación doctoral, Virginia Tech). Dallas, Texas. 167p. https://doi.org/10.13031/2013.41878Séraphin C. Atidégla, Joël Huat, Euloge K. Agbossou, Hervé Saint-Macary, Romain Glèlè Kakai. (2016). Vegetable Contamination by the Fecal Bacteria of Poultry Manure: Case Study of Gardening Sites in Southern Benin. International Journal of Food Science, Article ID 4767453, 8 p. https://doi.org/10.1155/2016/4767453Serrano, A. J., Soria, E., & Martín, J. D. (2009). REDES NEURONALES ARTIFICIALES. Recuperado el 16 de Agosto de 2020, de http://ciberconta.unizar.es/leccion/redes/610.HTMShepherd, T. A., Zhao, Y., Li, H., Stinn, J. P., Hayes, M. D., & Xin, H. (2015). Environmental assessment of three egg production systems—Part II. Ammonia, greenhouse gas, and particulate matter emissions. Poultry science, 534-543p. https://doi.org/10.3382/ps/peu075Solomon, S. (2007). The physical science basis: Contribution of Working Group I to the fourth assessment report of the Intergovernmental Panel on Climate Change. Intergovernmental Panel on Climate Change (IPCC), Climate change 2007, 996p.Soto-Herranz, M., Antolín-Rodríguez, J. M., Conde-Cid, D., & Sánchez-Báscones, M. (2019). Desarrollo de prototipo de membrana para la captación de gas amoniaco en la atmósfera de las granjas. Universidad de Valladolid. Madrid. España. X congreso ibérico de agroingeniería. 8p. https://doi.org/10.26754/c_agroing.2019.com.3428Steinfeld, H., Gerber, P., Wassenaar, T., Castel, V., Rosales, M., & de Haan, C. (2009). La larga sombra del ganado problemas ambientales y opciones. Organización de las Naciones Unidas para la Agricultura y la Alimentación. Roma. 81-91p.Suarez, E. (2009). Predicción de comportamientos a través de redes neuronal en Matlab. Cuba. 134p.Tablada, C. J., & Torres, G. A. (2009). Redes Neuronales Artificiales. Revista De Educación Matemática, 24(3). Recuperado a partir de https://revistas.unc.edu.ar/index.php/REM/article/view/10280Tino, P., Benuskova, L., & Sperduti, A. (2015). Artificial Neural Network Models. In Springer Handbook of Computational Intelligence. Springer, Berlin, Heidelberg. 455-471p.Toghyani, M., Gheisari, A., Modaresi, M., Tabeidian, S.A., Toghyani, M. (2010). Effect of different litter material on performance and behavior of broiler chickens. Applied Animal Behaviour Science 122: 48-52p. https://doi.org/10.1016/j.applanim.2009.11.008Tong, X., Hong, S. W., & Zhao, L. (2019). CFD modeling of airflow, thermal environment, and ammonia concentration distribution in a commercial manure-belt layer house with mixed ventilation systems. Computers and Electronics in Agriculture, 162, 281-299p. https://doi.org/10.1016/j.compag.2019.03.031Tong, X., Zhao, L., Heber, A. J., & Ni, J. Q. (2020). Mechanistic modelling of ammonia emission from laying hen manure at laboratory scale. Biosystems Engineering, 192, 24-41p. https://doi.org/10.1016/j.biosystemseng.2020.01.004Torres, C. A. (2014). Un algoritmo cuasi Newton global para problemas de complementariedad no lineal. [Disertación de maestría, Universidad del Cauca] Facultad de Ciencias Naturales, Exactas y de la Educación. Departamento de Matemáticas. http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/581Valdés H., N. J. y González S., L. O., Will, Adrián L. (2011). Estimación de la resistencia a la penetración de suelos usando redes neuronales artificiales. Acta Agronómica, 60(3), 252-262p. Recopilado el 21 de mayo de 2021, from http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-28122011000300006&lng=en&tlng=es.van Emous, R. A., Winkel, A., & Aarnink, A. J. A. (2019). Effects of dietary crude protein levels on ammonia emission, litter and manure composition, N losses, and water intake in broiler breeders. Poultry science, 98(12), 6618-6625p. https://doi.org/10.3382/ps/pez508Velasco V. J., Alvarado L. H., Hernández, C., Gómez, M. F., Narciso, G. C., Misselbrook, T. (2016). Buenas prácticas de manejo y emisiones de amoniaco en explotaciones avícolas. Agro Productividad, 9(8). Recuperado el 20 de noviembre de 2020 de: https://revista-agroproductividad.org/index.php/agroproductividad/article/view/799Vivas, H. (2014). Optimización en el entrenamiento del Perceptrón Multicapa. Popayán: Universidad del Cauca. [Disertación de maestría, Universidad del Cauca], Facultad de Ciencias Naturales, Exactas y de la Educación. Departamento de Matemáticas.Vivas, A. M. (2016). Aplicación de las redes neuronales artificiales y teoría de juegos al cambio climático con control óptimo. Entornos, Universidad Sur colombiana. Revista entornos, 29(2), 371-372p.Vučemilo, M., K. Matković, B. Vinković, S. Jaksić, K. Granić, and N. Mas. (2007). The effect of animal age on air pollutant concentration in a broiler house. Czech Journal of Animal Science, 52(6), 170-174p. https://doi.org/10.17221/2318-CJASWang, P., Yao, J., Wang, G., Hao, F., Shrestha, S., Xue, B., Peng, Y. (2019). Exploring the application of artificial intelligence technology for identification of water pollution characteristics and tracing the source of water quality pollutants. Science of the Total Environment, 693p. https://10.1016/j.scitotenv.2019.07.246Wheeler, E. F., Casey, K. D., Gates, R.S., Xin, H., Topper, P.A and Liang. Y. (2008). Ammonia Emissions from USA Broiler Chicken Barns Managed with New Bedding, Built-up Litter, or Acid-Treated Litter. Livestock Environment 8, 9p. https://doi.org/10.13031/2013.25475}Williams, C. M. (2013). Gestión de residuos de aves de corral en los países en desarrollo. En O. d. Agricultura. Revisión del desarrollo Avícola. Revisión del desarrollo Avícola FAO, 14p.Wood, D. (2015). The evaluation of ammonia and particulate matter control strategies for poultry production facilities [Dissertation doctoral, The University of Guelph]. School of Engineering. http://hdl.handle.net/10214/9224Zhao Y, Shepherd TA, Li H, Xin H (2015) Environmental assessment of three egg production systems–part I: monitoring system and indoor air quality. Poult Sci 94(3) 518–533p. https://doi.org/10.3382/ps/peu076Zheng, W., Xiong, Y., Gates, R. S., Wang, Y., & Koelkebeck, K. W. (2020). Air temperature, carbon dioxide, and ammonia assessment inside a commercial cage layer barn with manure-drying tunnels. Poultry science, 99(8), 14p. https://doi.org/10.1016/j.psj.2020.05.009EstudiantesGrupos comunitariosInvestigadoresLICENSElicense.txtlicense.txttext/plain; charset=utf-83964https://repositorio.unal.edu.co/bitstream/unal/80440/1/license.txtcccfe52f796b7c63423298c2d3365fc6MD51ORIGINAL1113645258.2021.pdf1113645258.2021.pdfMaestría en Ingeniería Ambientalapplication/pdf2860907https://repositorio.unal.edu.co/bitstream/unal/80440/3/1113645258.2021.pdf7186beb1d3f223d79ff46192dd5a45caMD53THUMBNAIL1113645258.2021.pdf.jpg1113645258.2021.pdf.jpgGenerated Thumbnailimage/jpeg3981https://repositorio.unal.edu.co/bitstream/unal/80440/4/1113645258.2021.pdf.jpg425d6dd668a20b4f4ba954eacd45cb94MD54unal/80440oai:repositorio.unal.edu.co:unal/804402023-07-26 23:04:16.408Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |